소프트웨어 개발을 위해서는 지속적인 배송이 중단되지 않고 워프 속도로 신제품을 생성하고 전달해야합니다. 현대 소프트웨어 팀의 중추로서 DevOps는 전화에 응답합니다. 그러나 수요는 강화되고 균열이 나타나기 시작합니다. 번 아웃은 만연하고 관찰 가능성 도구는 소음으로 압도적 인 팀이며, 개발자 속도의 약속은 종종 빈 마케팅 과대 광고처럼 느껴집니다.
다행스럽게도, 인공 지능 Devops에 손을 빌려 주려고합니다. 속도, 통찰력 및 단순성의 조화는 조수를 돌리는 열쇠입니다.
관찰 가능성에 대해 대부분의 회사가 잘못되는 것
DevOps 엔지니어에게 문의하십시오 관찰 가능성그리고 대시 보드, 로그, 트레이스 및 메트릭에 대해들을 수 있습니다. 기업은 종종“모든 것을 추적”하는 데 자부심을 느끼며, 끝없는 데이터 스트림을 뿜어내는 복잡한 모니터링 스택을 구축합니다.
그러나 문제는 다음과 같습니다. 관찰 가능성은 수집하는 데이터의 양에 관한 것이 아닙니다. 대신, 그것은 데이터 뒤에있는 이야기를 이해하는 것입니다.
주택에는 10 개의 보안 카메라가있을 수 있지만, 그 중 어느 것도 현관을 향한 것을 가리키면 침입자를 놓칠 수 있습니다. 불행히도, 이것은 많은 팀이 자신을 발견 한 상황입니다. 메트릭으로 익사하지만 여전히 문제의 근본 원인을 정확히 찾을 수 없습니다. 관찰 가능성은 결정을 단순화하고 복잡하지 않은 것으로 추정됩니다.
누락 된 것은 문맥입니다.
관찰 성 도구는 점을 연결하여 팀이 중요한 것을 이해하고 가장 중요한 이유가 발생하는 이유를 이해하도록 돕습니다. 예를 들어, CPU 사용법이 급증하고 있음을 보여주는 대신 새로운 배포, 트래픽 패턴 또는 업스트림 서비스에 실패했는지 여부를 설명해야합니다. 팀이 모니터링 스택을 이해하기 위해 데이터 과학 박사 학위가 필요한 경우 요점을 놓쳤다. 최고의 도구는 비즈니스에 직접적인 영향을 미치는 실행 가능한 통찰력을 제공합니다.
AI는 여기에서 중추적입니다. 그것은 시스템 행동에 대한 풍부하고 상황에 맞는 분석을 제공함으로써 DevOps 팀이 소음을 줄이는 데 도움이됩니다. AI 표면은 원시 데이터의 산을 체질하여 엔지니어를 강요하는 대신, 이벤트를 상관 시키며 조정을 제안합니다. 이러한 변화는 시간을 절약하는 것 이상입니다. 엔지니어가 문제를 해결하기보다는 문제를 해결하는 데 집중할 수 있도록 권한을 부여하는 것입니다.
Devops 팀이 불타고있는 이유
DevOps는 개발 및 운영을 조화시키는 열쇠 였지만 많은 팀의 경우 Herculean 과제로 바뀌 었습니다. DevOps 엔지니어는 운송 코드, 인프라 스케일링, 보안 취약성 패치, 오전 2시에 경고에 응답하고 속도를 최적화하면서 완벽한 가동 시간을 유지하면서 너무 많은 모자를 착용해야합니다.
하나의 직업이 아니라 5 개의 일자리가 된 일자리가되었습니다. 결과? 번 아웃.
DevOps 팀은 소방 모드에 끊임없이 잡히고, 다른 사람이 모퉁이에 있다는 것을 알면서 한 번의 불꽃을 내기 위해 서두르고 있습니다. 그러나이 반응성 문화는 창의성, 동기 부여 및 장기적인 사고를 죽입니다. 끊임없이 통화에 참여하면 개별 직원과 전체 팀이 혁신하고 성장할 수있는 능력이 떨어집니다.
문제의 일부는 조직이 DevOps에 접근하는 방법에 있습니다. 그들은 스스로를 관리 할 수있는 시스템을 설계하는 대신 엔지니어를 인간 반창고로 사용하여 불쌍한 아키텍처를 패치하고 오래 전에 자동화되어야하는 반복적 인 작업을 처리합니다. 시스템 신뢰성에 대한이 “사람 우선”접근 방식은 지속 불가능합니다.
AI는 탈출구를 제공합니다. ALER 해상도, 이상 탐지 및 로그 상관과 같은 노이즈가 많은 작업을 자동화함으로써 AI는 현재 인간 에너지를 배출하는 grunt 작업을 휘두를 수 있습니다.
AI는 오전 2시에 오전 2시에 엔지니어를 깨우는 대신에 경고를 필터링하고 진정으로 중요한 사람들 만 확대 할 수 있으며 팀이 반응성 소방에서 사전 시스템 개선으로 이동할 수 있도록 강화할 수 있습니다. 요컨대, AI는 DevOps를 대체하지 않고 하중을 밝게하여 엔지니어에게 탁월한 호흡 공간을 제공합니다.
AI가 부하를 밝게하는 방법
“유지”하는 인프라에 대한 아이디어는 오랫동안 DevOps의 꿈이었습니다. AI와 함께 현실이되고 있습니다. AI는 본질적으로 모든 DevOps 엔지니어가 원하는 보조자이며, 실시간 이상 탐지, 예측 장애 모델링 및 자동화 된 해상도 및 제안의 세 가지 주요 이점을 제공합니다.
실시간 이상 탐지를 통해 AI는 많은 팀이 경험하는 일반적인 “경보 피로”를 넘어서서 문제가 발생하자마자 문제를 일으킬 수 있습니다. 패턴과 기준선을 분석함으로써 AI는 정상적인 것이 무엇인지, 문제가되는지 알고있어 오 탐지가 적고 실제 위협을 더 빠르게 탐지합니다.
예측 실패 모델링 덕분에 AI는 오늘의 문제를 감지하고 내일을 예측할 수 있습니다. AI는 역사적 추세를 분석함으로써 자원 소진 또는 트래픽 병목 현상과 같은 문제를 예상하고 에스컬레이션하기 전에 솔루션을 제안 할 수 있습니다.
마지막으로, 자동화 된 해상도 및 제안을 통해 AI는 경고를 넘어 행동을 취할 수 있습니다. 예를 들어, 메모리 제한으로 인해 서비스가 충돌하면 AI 기반 도구가 자동으로 확장 될 수 있습니다. 또는 맹목적으로 문제를 해결하기 위해 엔지니어에게 시작점을 제공하는 수정 사항을 권장 할 수 있습니다.
DevOps에서 AI의 아름다움은 엔지니어를 교체하려고하지 않는다는 것입니다. 그것들을 증폭시킵니다. 로그를 통해 스크롤하는 데 적은 시간을 소비하고 비즈니스를 발전시키는 시스템을 더 많은 시간을 디자인한다고 상상해보십시오. 그것이 AI가 제공하는 약속입니다.
보안이나 품질을 희생하지 않고 개발자 속도 증가
속도는 개발 팀의 성배가되었습니다. 회사는 더 빨리 출시되고, 더 빠르며, 더 빨리 반복되며, 더 빨리 반복하기를 원하지만 가드 레일이없는 속도는 품질이 좋지 않은 제품, 보안 위험 및 좌절 된 사용자로 인해 혼란을 초래할 수 있습니다. 그렇다면 재난을 초대하지 않고 기업은 어떻게 속도를 높일 수 있습니까?
비밀은 모서리를 자르지 않고 마찰을 제거하는 데 있습니다. 속도는 돌진에 관한 것이 아니라 프로세스를 간소화하고 차단제 제거에 관한 것입니다.
QA 사이클이 버그를 잡을 때까지 기다리는 대신 자동화 된 시스템은 병합되기 전에 모든 코드를 테스트 할 수 있습니다. AI는 실패한 빌드에서 패턴을 감지하여 개발자에게 조기에 실행 가능한 피드백을 일찍 감지 할 수도 있습니다.
보안은 나중에 생각해서는 안되며 결국 파이프 라인에 닿아 야합니다. AI 기반 도구는 동적 보안 테스트를 모든 개발 단계에 통합하여 생산에 도달하기 전에 취약점을 포착 할 수 있습니다.
개발자는 코드를 배포하기 위해 12 개의 승인이 필요하지 않습니다. AI는 가드 레일을 시행 할 수 있으며, 수동 수표로 팀에 부담을주지 않으면 서 운송되는 것이 안전하고 테스트를 거쳤는지 확인합니다.
AI가 반복적 인 작업을 처리하고 품질을 보장함으로써 엔지니어링 팀은 가치를 손상시키지 않고 빠르게 움직일 수있는 자율성을 얻습니다. 속도는 속도와 안정성이 조화롭게 작동하는 시스템을 구축하는 것입니다.
AI를 사용하면 엔지니어는 더 이상 통나무에 묻히거나 피할 수없는 정전을 위해 깨어나지 않습니다. 그들은 건축가, 자기 치유 및 자율적으로 규모를 배우는 시스템을 설계합니다. 소음에 빠지는 대신 비즈니스 성과를 유도하는 의미있는 개선을 위해 노력하고 있습니다. AI는 DevOps를 더 빨리 만들고 인간의 손길을 되살립니다.
스프린트가 아니라 DevOps의 미래는 더 똑똑한 시스템을 향한 꾸준하고 지속 가능한 여정입니다. 그리고 AI 경로를 지우면서 팀은 마침내 스트레스없이 속도를 수용 할 수 있습니다.
결국, 기술은 우리를 지칠 것이 아니라 우리에게 힘을 실어 주어야합니다.
게시물 스트레스없이 속도 : AI가 DevOps를 다시 작성하는 방법 먼저 나타났습니다 Unite.ai.